AI岗位暴涨870%：虚假繁荣还是时代转折？

上周，脉脉发布了一份震撼人心的报告：2026年春招季，AI相关岗位数量同比增长8.7倍。

870%。

这个数字在各大科技媒体上炸开了锅。“AI时代真的来了”“再不学AI就被淘汰了”“抓住这波红利期”……一时间，焦虑与机会感同时涌来，仿佛人人都应该立刻跳上这趟高速列车。

但等一下。

在欢呼AI带来的新岗位“井喷”之前，我们先冷静下来看看：这些岗位，真的构成了一个健康、可持续的就业生态吗？

数据“做题家”：新生代“富士康工人”

打开任何招聘软件，搜索“AI岗位”，满眼都是“数据标注”“数据构建”“数据采集”。这三个词，构成了AI浪潮下最庞大的就业入口。

景璃在北京某大厂做数据标注外包，每天的工作是从AI生成的几个结果中选出一个“最优解”。她大学学的是戏剧影视文学，现在却成了AI的“裁判员”。成都的文琪找了份远程兼职，给英文语音转文字做标注，要求英语专业八级，成绩“良好”以上。

她们戏称自己为“数据做题家”。

这个比喻精准得令人心寒。做题家，意味着重复、机械、标准答案。在传统教育体系里，做题家是应试教育的产物；在AI时代，做题家成了数据工业的基础劳动力。

薪资能说明一些问题。在北京，景璃们能拿到12k-18k的固定薪水，听起来尚可。但换个城市——北方省会，同等岗位工资减半；某些小城市，首月薪水1500元，新员工下班等电梯时还在刷BOSS直聘。

这不是什么“文科生的康庄大道”，这是新一代的数字生产线。当AI需要理解人类的评价标准时，需要一批人做它的“裁判”；当AI需要连接物理世界时，需要一批人做它的“翻译”；当企业数据库混乱不堪时，需要一批人做它的“保姆”。

这些工作，是AI发展的基石，也是AI局限性的证明。

具身智能的“贫富差距”

最具讽刺意味的一幕发生在具身智能领域。

帕西尼感知在天津投产了全球最大的具身智能数据采集工厂，年产2亿条高质量训练数据；光轮智能、帕西尼感知等头部玩家估值已达百亿级别。它们正在江苏宿迁、湖北武汉、四川自贡、江西赣州大建超级工厂。

另一边，大多数公司用不起真机遥控操作——这种方案的数据成本高达数千元每小时。它们只能用头部公司的公开数据或仿真数据训练自己的模型，结果往往出现“Sim2Real Gap”（仿真到现实的差距）。

这造成了行业内赤裸裸的“数据鸿沟”：有钱的公司用真金白银堆出高质量数据，没钱的公司只能啃“二手数据”，模型性能天然受限。

AI能力的天花板，某种程度上是由资金实力决定的。这不是技术问题，这是经济学问题。

8000元一小时与200元一小时的差距

一位资深律师曾经收到数据标注公司的橄榄枝：帮忙标注法律数据，每小时200元。他拒绝了。即使对方开出8000元一小时，他也得掂量下“冒失去饭碗的风险”。

这个案例撕开了AI数据行业最残酷的一面：越需要复杂判断的领域，数据标注的成本越高；但标注企业大多不愿意支付足够溢价。结果是，这些垂直领域的数据缺口长期存在，模型的表现始终无法突破。

为什么？

因为愿意接受200元一小时报价的，大多是像景璃那样的年轻人，或者像文琪那样的大学生兼职。真正的行业专家、资深从业者，要么看不上这点钱，要么不敢冒“教会徒弟饿死师父”的风险。

于是，AI只能从二流数据中学习二流知识，产出一流幻觉。

“降本增效”的反向作用力

企业的管理层对AI寄予厚望：降本增效。但现实往往打脸。

ActivTrak跟踪了2023-2025年超千家企业和4.43亿小时的数字化工作行为数据，发现随着AI落地职场，员工的工作量并未减少，反而出现周末加班增多、工作碎片化加剧的情况。协作沟通时长增加34%，多任务处理时间增加12%。

一位大厂员工说得更直白：企业强推AI，实际上增加了工作压力，因为员工不得不为AI的工作产出“擦屁股”。

这才是AI时代最魔幻的现实：技术本该解放人力，却成了增加负担的工具；管理层希望减少人力成本，却制造了更多无效劳动。

职业瓶颈与薪资天花板

景璃说得很实在：“我的目标是去做短剧编剧，现在这份工作很机械，做久了对职业发展没什么帮助。”

文琪更明确：做数据标注只是赚外快，校招找工作绝不会找这个方向。

她们代表了大多数从事AI基础工作者的心态——这只是一份过渡性工作，不是终身职业。没有晋升通道，没有专业积累，没有行业认可度。

这种心态反过来限制了AI能力的发展。当最需要专业知识的领域找不到专业人才做标注时，AI永远学不会那些行业“水下信息”：法官在特定地区的裁判倾向、证据在实践中的采信概率、某个行业的隐性知识和经验判断。

AI的瓶颈，某种程度上是人力资本的瓶颈。

责任主体的模糊地带

AI发展还有一个更本质的困境：法律与社会对“人格化主体”的认定。

AI不是法律主体，不能承担民事责任。如果企业用AI替代专业人士完成工作，一旦出错，责任链条会变得模糊不清。律师不敢用AI完全替代判决建议，医生不敢用AI完全替代诊断，原因就在于此。

只要社会还需要明确的责任主体，这些工作就无法被AI彻底取代。它们既是AI发展的基石，也是AI局限性的证明。

870%背后的真相

回到那个870%的惊人数字。

是的，AI岗位在爆发式增长。但我们需要看清楚增长的是什么岗位：

是数据标注、数据构建、数据采集这类基础操作岗位。

是薪资两级分化严重的岗位。

是职业发展空间有限的岗位。

是可能随着技术成熟而逐渐消失的岗位。

这不是唱衰AI，而是呼吁理性看待。技术革命总会创造新岗位，也会消灭旧岗位。但真正有价值的就业生态，应该是那些能提供长期职业发展、专业积累和社会认可度的岗位。

否则，870%的增长背后，可能只是一场短暂的虚假繁荣。

当AI还在学习人类知识，当物理世界还需要被“翻译”成数字语言，当社会还需要明确的责任主体——这些工作岗位就会继续存在。

但我们需要问的是：我们期待的AI时代，是创造更多“数据做题家”的时代，还是真正解放创造力、提升人类智慧的时代？

答案，可能就藏在那870%的增长中，等待我们真正看懂。